본 장에서는 제안 메카니즘에 대한 결과를 분석한다. Hadoop Pig의 DataBag 타입 으로 출력된 SoC의 소모 특성을 그래프로 변환하여 SoC의 변화에 대해 알아보며, 그리고 동일구간에 대한 여러 데이터의 비교를 통해 운전자의 운전 습관, 주변 환경 요인 등의 영향에 의해 배터리 소모량이 달라지는지를 확인한다.
먼저 <그림19>에서 보는 바와 같이 516도로를 통해 제주시와 서귀포시를 왕복으로 운행하는 차량에서 추출된 스트림을 대상으로 하였다. B지점은 이동 경로 상 최대 고도인 지점이다. A지점에서 B지점까지의 거리는 약 12.5Km이며 전반적으로 오르 막구간이며, B지점에서 C지점까지의 거리는 약 13.5km이며 전반적으로 내리막구간 이다.
그림 19. 이동구간
정방향(A지점에서 C지점)으로 운행한 차량에서 추출된 스트림을 본 논문에서 제안 된 메카니즘으로 정제된 데이터를 도식화하면 <그림20>과 같다. 여기서 x축은 시작 점으로부터의 이동거리를 나타내며 GPS 좌표들로부터 변환된 결과이다. y축은 SoC 를 나타내는데 이동 중 최소 SoC와 최대 SoC를 각각 0.0과 1.0으로 정규화하였다.
그림 20. 이동거리별 SoC 변화량
<그림20>을 살펴보면 오르막구간에서는 지속해서 배터리가 소모되는 것을 확인할 수 있으며 일부 구간에 대해 회생 제동을 통하여 배터리 소모가 없는 구간과 충전 되는 구간이 있음을 확인할 수 있다. 또한, <그림21>와 <그림22>에서 보는 바와 같 이 동일 구간에 대한 중복 측정을 통해 여러 데이터를 비교해보면 측정할 때마다 배터리 소모량이 달라지는 것을 확인할 수 있다.
그림 21. 정방향 이동구간(A->C) 대한 SoC 변화량(1)
<그림21>는 특히 주행 초기에 급가속이나 급제동을 한 경우 SoC 패턴의 차이가 나 타나며, 보다 많은 수의 SoC에 대한 스트림을 수집하면 오차를 마스킹하고 공통적 인 소모 모델을 구할 수 있을 것으로 판단된다. a)의 그래프는 <그림19>와 같은 그 래프이다. b)의 그래프는 a)에 비해 배터리 소모가 완만하게 이루었다는 것을 확인 할 수 있으며, 이는 운전자가 경제운전 및 회생제동에 신경을 쓰며 운전하였다고 예 상할 수 있다. c)의 그래프는 a)의 그래프와 유사하다는 것을 확인할 수 있다. d)의 그래프를 살펴보면 a)의 그래프보다 배터리 소모가 급격하게 이루어졌다는 것을 알 수 있었다. 그래프마다 SoC의 변화량이 다른 이유는 시작점에서 급가속 혹은 다른 차량의 간섭 등의 원인으로 배터리 소모가 많이 되었다고 예상할 수 있으며, 운전자 의 운전습관과 주변 환경요인에 따라 달라졌다는 것을 예상할 수 있다. <그림22>을 통해 쉽게 비교할 수 있다.
그림 22. 정방향 이동구간(A->C)에 대한 SoC 변화량(2)
역방향으로 주행(C지점에서 A지점으로)한 차량에 대한 배터리 변화량은 <그림23>
과 <그림24>를 통해 확인할 수 있다. SoC에 대한 변화는 정방향의 변화량과 유사 하지만, 오르막구간이 정방향 운행과 비교하면 약 1km 더 길기 때문에 배터리가 지 속적으로 소모되는 구간이 정방향 이동구간보다 긴 것을 확인할 수 있다.
또한, A지점에서 B지점까지의 배터리 소모량의 누적 합과 B지점에서 A지점까지의 배터리 소모량의 누적합의 평균값(0.158 : 0.061)을 비교하면 내리막구간에서는 회생 제동에 의해 배터리 소모가 오르막구간을 주행할 때보다 약 61% 정도 적게 소모되 는 것을 알 수 있었다. 그리고 동일지점(정방향 이동 시 약 4.7km 지점)에서 오르막 과 내리막 구간의 SoC 변화를 살펴보면 0.2 : 0.227로 회생제동으로 충전되는 양이 많게 나타났다. 이는 A지점에서 C지점을 왕복 주행 하더라도 SoC의 소비량은 다르 지만, 정규화를 통해 0.0 ∼ 1.0 사이로 변환하였기에 생기는 오차로 예상된다. 그리 고 SoC 측정 장치에서 수집되는 데이터도 소수점 첫째자리만 측정이 가능하기에 세 밀한 분석은 어려울 것으로 예상하며, 표본의 수가 적어 통계적으로 검증은 하지 못 하였다.
그림 23. 역방향 이동구간(C->A)에 대한 SoC 변화량(1)
그림 24. 역방향 이동구간(C->A)에 대한 SoC 변화량(2)
그리고 제안 메카니즘을 활용하면 주요 도로에 대한 SoC 소비 모델을 만드는 데 도 움을 줄 수 있을 것이다. 주요 도로에 대한 SoC 소비 모델을 활용하면 <그림25>에 서 보는 바와 같이 길 안내 서비스를 할 때 DB 조회와 약간의 on-line 계산만으로
그림 25. 모델링 된 도로를 이용하는 길안내 서비스의 예
i. A -> B : 모델링 된 도로.
ii. 출발지 -> S : 거리기반으로 최단거리 및 SoC 소비량 계산.
iii. S -> E : DB에 저장된 모델링된 데이터를 사용.
iv. E -> 도착지 : 거리기반으로 최단거리 및 SoC 소비량 계산.